KOFAC

이슈 페이퍼

/심층분석

챗GPT 시대, 인공지능 리터러시의 필요성과 역할

2024.4호

작성자 | 장미경(한국과학창의재단) 편 집 | 정책기획실 발 행 | 한국과학창의재단 발행일 | 2024.04.30

ISSUE PAPER / CONTENTS

CONTENTS

리터러시 개념과 유형

디지털 리터러시의 대두

기술 숙련도와 리터러시 역량의 관계

AI 리터러시의 개념과 필요성

AI 리터러시 역량과 영향 요인

‘파괴적 혁신’을 이끌 AI 리터러시

References

챗 GPT 시대, 인공지능 리터러시의 필요성과 역할

장미경 선임연구원

2023년은 전 세계적으로 ‘인공지능’(AI, Artificial Intelligence) 열풍이 휘몰아친 한 해였다. 챗GPT를 필두로 생성형 AI에 대한 사람들의 관심도와 인지도는 물론 각종 사회 문제와 부작용에 대한 우려가 급상승했고, 2024년에도 AI의 진화와 영향력에 따른 대응 방안 모색 등 더욱 활발한 논의가 지속될 것으로 보인다. 생성형 AI와 인간의 올바르고 합리적인 커뮤니케이션을 위해서는 비판적 이해와 판단에 기반한 사고력, 개인화와 다양성의 균형을 맞출 수 있는 역량의 중요성이 더욱 강조될 수밖에 없는 상황이다. 최근 사회 전반에서 AI 관련 활용 역량, 리터러시의 중요성이 핵심 키워드로 제시되는 이유이다. 생성형 AI가 인류의 삶에 실질적이고 강력한 영향력을 행사할 주체가 될 것으로 전망됨에 따라 최근 떠오르는 이슈인 ‘AI 리터러시’(AI Literacy)의 개념과 필요성, AI 리터러시 함양에 필요한 역량을 탐색하고 시사점을 고찰해 보고자 한다.

리터러시 개념과 유형

리터러시의 사전적 정의는 글을 읽고 이해할 수 있는 능력인 ‘문해력’(文解力)을 의미한다. 전통적으로 ‘리터러시’라는 용어는 책이나 인쇄와 관련된 기본 기술과 지식을 의미했고(McMillan, 1996), 리터러시 함양의 목적은 상징적 기호 체계를 학습함으로써 ‘읽기 능력’을 키우고 ‘사회적 소통’의 기반을 조성하기 위함이었다. 하지만 컴퓨터와 디지털 기술의 급속한 발전에 따라 리터러시 연구 분야에서는 ‘문해력’이라는 전통적 의미를 뛰어넘는 개념 확장의 시도가 이어졌다(Buckingham & Burn, 2007). 이에 따라 텔레비전 리터러시, 인포메이션 리터러시, 디지털 리터러시, 게임 리터러시, 미디어 리터러시 등 다양한 영역으로 확장된 리터러시 연구가 진행되었다.

최근 주목받는 리터러시는 다양한 분야에서 시대상을 강조하는 단어와 결합해, ‘음성적 읽기 능력’에서 ‘의미적 이해 능력’으로, 더 나아가 ‘소양’을 강조하는 개념으로 활용되고 있다. 단순한 읽기 능력이 아닌 실질적 이해력과 사고력을 리터러시 역량의 척도로 삼게 된 것이다. 예컨대, 최근에는 디지털 기술과 AI에 관한 중요도와 관심이 크게 확대되었는데, 이에 따라 리터러시의 개념과 유형은 ‘디지털 리터러시’, ‘ICT 리터러시’, ‘AI 리터러시’ 등 시대 변화에 맞추어 다양하게 제안되고 있다. 결국, 현대

디지털 리터러시의 대두

사회의 리터러시 개념은 시대적으로 중요하게 강조되거나 변화와 적응이 필요한 영역을 중심으로 해당 내용을 얼마나 알고 있는지, 관련 지식을 얼마나 보유하고 있는지, 해당 내용을 얼마나 능숙하게 다룰 수 있는지, 이를 통한 소통이 얼마나 효율적으로 이루어질 수 있는지 등을 포괄한다고 할 수 있겠다.

정보통신기술과 인터넷의 발전에 따라 디지털 사회에서 강조된 ‘디지털 리터러시’ 개념의 흐름부터 짚어보자. ‘디지털 리터러시’는 컴퓨터를 이용해 찾아낸 다양한 형태의 디지털 정보를 이해하고, 이용자의 목적에 맞는 새로운 정보로 조합해 올바르게 활용하는 능력을 의미한다(Gilster, 1997). 디지털 사회 변화의 주요 특징 중 하나는 정보에 대한 접근과 책임이 정보 제공자에서 이용자의 몫으로 옮겨졌다는 점이다. 누구나 자유롭게 정보에 접근할 수 있는 인터넷 환경이 구축됨에 따라 정보 수용자가 정보 선택의 결정권을 갖게 된 것이다. 더불어 미디어 속성이 다변화하여 수많은 사람이 다양한 플랫폼의 정보를 쉽고 빠르게 습득할 수 있게 되었다. 일방적인 정보 전달이 이루어졌던 TV 시대에서 벗어나 인터넷을 활용한 쌍방향 커뮤니케이션을 통해 이용자는 언제 어디서나 다양한 정보를 접할 수 있게 되었고, 이러한 환경은 이용자들의 적극적인 정보 교류와 소통·참여 활성화로 이어졌다.

특히 인터넷의 보편적 사용은 누구나 미디어의 주인이 될 수 있고 커뮤니케이션 매체로 확대〮발전시킬 수 있다는 아이디어를 현실화했다. 이에 따라 길스터가 제시한 개념에는 미디어가 된 디지털 환경이 기존의 활자 시대와 어떤 차이점을 갖는지, 어떤 방식으로 사람들의 삶에 영향을 미치게 되는지, 어떤 역량을 함양해야 할지에 대한 고민이 반영되었다고 할 수 있다. 디지털 리터러시는 1990년대 후반 길스터의 개념화 이후 “컴퓨터가 전달하는 다양한 형식의 정보를 평가하고 이해하며 통합하는 능력”으로 확장 정의되면서 디지털 정보에 대한 접근과 이해, 해석의 중요성이 강조되기 시작했다(Carolyn, 1997). 또 다른 학자는 디지털 리터러시의 개념에 대해 “디지털 장치와 소프트웨어를 사용하는 능력뿐만 아니라 디지털 환경에서 효율적으로 작업하는 데 필요한 인지적, 운동적, 사회학적, 정서적 기술”을 의미한다고 제안했다(Eshet, 2004).

선행연구에 따르면 디지털 리터러시 역량은 디지털 정보의 식별과 확인 능력, 디지털 정보에 대한 비판적 분석과 판단 능력, 새로운 디지털 정보를 기반으로 한 타인과의 의사소통 능력, 디지털 정보 활용에 대한 윤리적 가치와 규범, 공동체 의식 등을 모두 포괄한다(Ala-Mutka, 2011; Bawden, 2001; Cartelli, 2010; Ferrari, 2012).

기술 숙련도와 리터러시 역량의 관계

이보다 앞서 논의되어 온 ‘미디어 리터러시’ 연구의 경우, 미디어가 생산하고 전달하는 정보를 이용자가 어떤 기준으로 판단하고 활용하는 것이 좋을지, 사회적 소통 활성화를 위한 리터러시 역량을 어느 수준까지 다져야 할지, 리터러시 역량을 어떻게 강화할 수 있을지 등에 대한 함의를 담고 있다. 이에 따라 시대 상황에 따라 용어는 조금씩 달라졌지만, 리터러시의 개념과 역량은 큰 틀에서 같은 의미와 목적을 공유하고 있음을 유추할 수 있다. 학자들에 따르면 디지털 리터러시 영역에는 ‘정보 해석’(interpreting information), ‘정보 선택’(selecting information), ‘정보 표현’(articulating information) 등 세 가지 능력이 포함되며(Gapski, 2007), 이는 기술적, 인지적, 윤리적 능력을 시사한다(Calvani, Fini, & Ranieri, 2009). 페라리(Ferrari, 2012)는 디지털 리터러시가 인터넷 리터러시, ICT 리터러시, 미디어 리터러시, 정보 리터러시의 교차점에 있다고 주장했고, 윌슨 외 연구진은 지식(Knowledge), 기술(Skills), 태도(Attitudes), 가치(Values), 윤리(Ethics)의 약어인 ‘KSAVE’ 프레임워크를 제안한 바 있다(Wilson, Scalise, & Gochyyev, 2015).

한편 디지털 기술이 일상에 자연스럽게 동화되면서 디지털의 도구적 사용 방식도 크게 변화하고 있으므로, 디지털 기기를 잘 다루고 관련 콘텐츠에 익숙하다고 해서 디지털 리터러시 역량이 뛰어나다고 해석할 수는 없다. 리터러시 역량의 핵심인 비판적 사고와 이해, 판단 능력은 디지털 기기에 대한 숙련도와 다른 차원으로 접근해야 하기 때문이다. 이는 리터러시의 개념 변화 및 흐름과도 맥을 함께 하며, 디지털 기술에 대한 기능적 숙련도 제고가 리터러시 교육의 지향점이 될 수 없음을 시사한다. 실제로 2021년 경제협력개발기구(OECD) 국제학업성취도평가(PISA)에서 우리나라 학생들의 디지털 리터러시 평가 결과는 전통적 문맹과 기능적 문맹에 어떤 차이가 있는지, 리터러시 역량에서 어떤 부분을 중요하게 다루어야 하는지에 대한 심층적 고민이 필요함을 제기한다. PISA 보고서에 따르면, IT 강국인 우리나라 학생들의 디지털 러터러시 수준은 OECD 최하위권이다. 우리나라 학생들의 디지털 기기 활용도와 숙련도는 갈수록 높아지고 있지만, 관련 정보에 대한 이해와 분석, 판단 능력이 현저히 떨어진다는 결과가 나타난 것이다. 최근 정보 검색, 진위 판별, 콘텐츠 생성, 타인과의 소통을 핵심으로 삼는 리터러시 교육의 중요성이 더욱 강조되고 있는 이유이기도 하다.

AI 리터러시의 개념과 필요성

평가 결과에 따르면 만 15세인 우리나라 학생들의 디지털 리터러시 능력은 46.2%, OECD 국가 학생들의 디지털 리터러시 능력 평균은 75.8%로 나타나, 우리나라 학생들의 디지털 리터러시 수준이 상당히 낮음을 알 수 있다. 또한, 제시된 디지털 지문을 읽은 후 ‘사실’과 ‘의견’에 대한 구별 능력을 측정한 결과, OECD 국가 학생들의 구별 능력 평균은 47%였지만 우리나라 학생들의 구별 능력은 최하위 수준인 26%에 머물렀다(OECD, 2021). IT 강국의 제반 환경에 따라 디지털 기기 숙련도가 우수한 우리나라 학생들의 디지털 리터러시 능력이 매우 낮다는 결과는 디지털 기기 숙련도가 우수하다고 해서 디지털 리터러시 역량이 함께 강화되지는 않음을 시사한다. PISA 결과는 ‘리터러시’와 ‘디지털 리터러시’가 동일 범주에 있음에도 불구하고 각기 차별화된 역량이 요구된다는 사실을 일깨워 주며, 우리나라의 관련 교육과정에는 리터러시에 대한 통합적 이해와 세부적 역량 강화 방안이 충분하지 않다는 점을 드러내고 있다.

최근 강조되고 있는 AI 리터러시의 개념은 “AI에 대해 비판적으로 평가하고, AI와 효율적으로 소통·협업하면서 일상생활과 업무에서 AI를 도구로 활용할 수 있는 역량”이다(Long & Magerko, 2020). 더불어 인간 스스로 AI와의 차이점을 파악하고 인간만의 정체성을 정의할 수 있어야 하며, AI 정보의 습득과 활용, 기술과 연계된 사회 문제에 대응할 수 있는 윤리적·도덕적 역량을 갖추어야 한다. 예컨대, 디지털 기술은 전자, 정보통신, 컴퓨터와 관련된 과학기술 분야를 포괄하는 일반적 개념이고, AI 기술은 지능의 본질에 초점을 맞춘 컴퓨터 과학의 한 분야이다. AI 기술은 디지털 기술을 기반으로 인간의 지능과 유사한 방식으로 반응할 수 있는 새로운 지능형 기계의 탄생을 시도한다. 이에 따라 개념적 수준에서 AI 기술은 인지 신경과학 및 기타 학문의 개념과 폭넓게 통합되어야 하며, AI 기술 개발과 사용 측면에서는 도덕적, 윤리적 문제를 포괄적으로 검토해야 한다. 이와 함께 AI 기술을 시대 변화에 부합하게 효율적으로 활용하기 위해서는 AI 기술에 대한 기능적·실용적 관점의 역량은 물론, 물리적 접근을 뛰어넘는 능력을 갖추어야 한다(Kandlhofer et al., 2016; Moore, 2011). 즉, AI 기술 이용자는 AI 관련 기술적 이해와 함께 AI와 인간 간 상호작용 전반의 사회적·인문학적 관점을 갖추는 등 AI 기술에 대한 올바른 태도와 가치관을 확립해야 한다.

AI 리터러시의 필요성과 역할은 개인의 일상생활과 공동체의 과학커뮤니케이션 관점에서 살펴볼 수 있다. 첫째, 개인의 일상생활 영위 관점에서는 인간이 AI 중심의 미래 사회에서 주체적 역할을 하기 위해 AI를 올바르게 이해·판단하고 활용할 수 있어야 한다. 예컨대, AI는 대용량 데이터를 기반으로 학습하므로 AI 기술자, 개발자, 이용자 모두 적절하고 타당한 알고리즘을 선택할 수 있는 제반 지식과 역량을 갖추어야 하는데, 이 과정에서 AI 리터러시가 주요 역할을 한다. AI 리터러시가 때로는 기능적·도구적 측면에서, 때로는 인간과 자연스럽게 커뮤니케이션하는 공존 주체의 측면에서 기술을 수용하고 비판적으로 대응할 수 있는 역량을 발휘하도록 돕기 때문이다. 둘째, 사회 공동체의 조화를 위한 과학커뮤니케이션 관점에서는 인간이 AI 기술로 야기되는 각종 사회 문제와 부작용에 대처하기 위해 AI가 제시하는 정보를 비판적 시각으로 이해·해석하고 수용 여부를 판단할 수 있어야 한다. AI는 정보 이용자의 신념과 요구에 최적화된 알고리즘에 의해 필터버블, 확증편향, 선택적 노출 등을 강화하면서 사회 문제와 부작용을 불러올 수 있다. 새로운 기술을 이해하고 활용할 수 있는 사람과 활용할 수 없는 사람 간 격차는 시간이 흐를수록 커지게 되고, 기술 변화에 적응하지 못하고 소외된 사람들은 일자리 경쟁에서도 외면받거나 도태될 가능성이 크다(Smith & Anderson, 2014). 따라서 AI 기술과 이상적으로 공존하면서 안전한 삶을 영위하기 위해서는 AI 기술이 갖는 복잡성과 불확실성에 관한 이해의 폭을 넓히고 다양한 관점으로 기술을 바라볼 수 있도록 기능할 AI 리터러시 역량이 필수적이다.

특히 AI 리터러시 역량은 AI 제품이나 서비스에 대한 심적 모델(mental model)을 형성할 수 있으며, 이러한 심적 모델은 인간과 AI의 상호작용에서 주요 역할을 할 수 있으므로(Brandt, 2001; Grassian & Kaplowitz, 2001; Norman, 2013) AI 리터러시 역량은 인간과 AI의 상호작용 과정에서 나타나는 인간의 행동 변화를 설명할 수 있는 기반이자 근거가 될 수 있을 것으로 유추된다. 하지만 AI 리터러시 역량에 대한 학자들의 관점은 아직 일관적이지 않다(Long & Magerko, 2021). 예를 들어 AI 리터러시의 개념에 대해 AI 기술 이해와 원리 탐색, 관련 지식 보유 등에 근본적 의미를 부여하는 연구(Kandlhofer et al., 2016)도 있고, AI 기술이 미래 사회에 미치는 사회적 영향력에 기반하여 윤리성에 초점을 맞춘 연구(Long & Margeko, 2021)도 있다.

AI 리터러시 역량과 영향 요인

이와 함께 디지털 사회로의 전환에 따라 시대상을 반영한 리터러시의 개념과 역량이 광범위한 차원으로 다루어지고 있고, AI 리터러시에 대해 명확하게 파악하고 구체적으로 분석하는 연구가 시급하다는 주장이 제기되고 있지만(Kandlhofer et al., 2016; Su, 2018; Tarafdar, Beath, & Ross, 2019) AI 리터러시 연구에 있어 급변하는 기술 환경 변화를 포괄적으로 반영하기에는 한계가 있다(Wong et al., 2023). 이에 따라 학자들이 AI 리터러시 역량에 대해 어떻게 정의하고 있는지, 이러한 역량은 구체적으로 어떤 내용을 담고 있는지 좀 더 구체적으로 살펴볼 필요가 있다.

셀릭은 AI 리터러시 역량을 결정하는 요인으로 ‘디지털 격차’(Digital Divide), ‘컴퓨팅 사고’(Computational Thinking), ‘인지 흡수’(Cognitive Absorption)를 제안했다(Celik, 2023). 셀릭에 따르면 정보통신기술에 물리적으로 잘 접근할 수 있는 사람일수록 AI를 잘 인식하고 활용하며, AI 기술을 사용하려는 동기가 강하고 기술 활용 능력이 뛰어난 사람일수록 AI 활용에 대해 즐거운 경험으로 인지할 가능성이 크다. 좀 더 구체적으로 살펴보면, ‘디지털 격차’는 정보통신기술에 대한 접근, 이용, 활용 관점에서 인구집단 간 차이를 의미한다(Van Dijk, 2017). 경제적, 사회적, 지리적 요인 등에 의해 디지털 격차가 나타나면, 개인이나 집단별로 최신 기술을 통한 정보 습득·활용에서 기회 불평등이 발생한다. 이러한 디지털 격차가 디지털 자원을 활용함으로써 얻게 되는 리터러시 능력에 영향을 미치는 것이다. ‘컴퓨팅 사고’는 문제 해결, 의사결정, 판단 등을 위해 컴퓨터 과학의 개념과 기술을 활용하는 능력과 관련이 있다. 컴퓨팅 사고를 통해 문제 분석, 패턴 인식, 알고리즘 구현 절차를 거치면서 해결 방안에 접근할 수 있는데, 이는 이용자의 프로그래밍 능력에만 국한되는 것이 아니라, 일상적 문제 해결과 의사결정 과정에도 적용되는 역량이라고 할 수 있다.

‘인지 흡수’는 AI 기술과 디지털 기술, 관련 콘텐츠 등을 사용할 때 주변 상황을 인식하지 못할 정도로 완전하게 몰입하며 집중하는 것을 의미한다. 인지 흡수는 이용자의 디지털 환경에 대한 참여도를 나타내므로, AI 기술 이용자의 경험이나 행동 패턴을 이해하고 설명하는데 활용되는 개념이다. 예를 들어 이용자가 AI 제품이나 서비스에 얼마나 몰입하고 흥미를 갖는지 파악한다면, 기술 개발자와 디자이너는 이용자의 요구에 최적화된 방안을 적용하여 인간과 AI의 활발한 상호작용을 구현할 수 있게 된다. 이러한 세 가지 요인을 명확하게 이해하고 대응 방안을 수립함으로써 AI 리터러시 역량을 강화함과 동시에 AI 기술을 좀 더 효과적으로 활용할 수 있다.

‘파괴적 혁신’을 이끌 AI 리터러시

AI 리터러시 역량을 연구한 왕 외 연구진은 AI 리터러시의 핵심 영역을 인식(awareness), 활용(usage), 평가(evaluation), 윤리(ethics) 등 4가지로 설계하고 12가지 항목에 대한 설문조사를 실시한 결과, 4가지 구성 모델이 AI 리터러시 역량을 적절하게 표현한다는 사실을 확인했다(Wang, Rau, & Yuan, 2023). 연구진은 AI 리터러시가 디지털 리터러시, 로봇에 대한 이용자의 태도, 일상에서의 AI 사용과 유의미한 관련이 있다고 설명했다. 더불어 AI 리터러시 역량이 인간과 AI 상호작용에 어떤 영향을 미치게 될지 이해의 폭을 확장할 수 있고, AI 기술 개발자가 AI 관련 애플리케이션이나 서비스를 개발하는 데 도움을 얻을 수 있을 것으로 기대된다고 밝혔다. 연구진이 제안한 인식, 활용, 평가, 윤리 영역을 좀 더 구체적으로 살펴보면, 먼저 ‘인식’은 AI 관련 애플리케이션을 사용하면서 AI 기술을 식별하고 이해하는 능력을 의미한다. 선행연구에서 학자들은 특정 기술을 사용하기 전에 발생하는 인지 과정으로 ‘인식’을 지목한 바 있다((Calvani, Fini, & Ranieri, 2009; Hallaq, 2016; Katz, 2007; Martin & Grudziecki, 2006). ‘활용’은 AI 기술을 적용해 작업을 능숙하게 수행하는 능력을 뜻한다. AI 애플리케이션과 도구에 대한 접근 편이성, AI 애플리케이션과 도구 운영의 숙련도, 다양한 유형의 AI 애플리케이션과 도구의 통합 가능성 등 운영에 중점을 둔다.

‘평가’는 AI 애플리케이션과 그 결과를 분석·선택하여 비판적으로 평가하는 능력이다. AI는 본질적으로 복잡하고 불확실하다는 블랙박스 특성이 있으므로(Mueller et al., 2019), 도출 결과에 대한 신중한 평가는 필수적이다. 마지막으로 ‘윤리’는 AI 기술 사용과 관련된 책임 및 위험 인식 능력을 의미한다. AI 기술은 인류에게 다양한 혜택과 편리함을 선사하지만, AI의 우월한 능력과 혁신적 발전에 따른 개인 정보 유출, 사생활 침해, 실존적 위협에 이르기까지 각종 윤리 문제에 대한 명시적 생각을 유도한다(Gunkel, 2012). 이에 따라 AI 기술이 적절하고 이상적인 방향으로 활용되기 위해서는, AI 이용자들이 윤리 문제를 올바르게 이해하고 판단할 수 있어야 한다.

앞서 논의한 바와 같이 AI 리터러시는 독립적인 첨단 과학기술에 대한 이해의 관점으로 정의되는 것이 아니라 통합적 학습 모델로 이해되어야 할 개념이다. 더불어 실제 응용 분야에서는 AI에 대한 기술적 차원뿐만 아니라, 사회적·인문학적·문화적 차원으로 광범위하게 해석하고 판단할 수 있는 역량이자 전략의 개념으로 정립되어야 한다.

AI 중심으로 구현될 미래 사회에서 인간과 AI 간 올바른 커뮤니케이션을 실현하기 위해서는 AI가 제공하는 데이터와 정보를 선택하고 평가·판단하는 과정에서 개인의 비판적·종합적 관점을 통한 책임 인식, 상호 권리와 의무에 대한 존중의 태도가 뒷받침되어야 할 것이다. 이를 위해 사회 구성원들은 개인의 일상생활 영위 차원에서, AI 관련 기술적 지식을 적극적으로 습득·공유하고 비판적 시각으로 판단·수용하는 태도를 함양해야 한다. 더불어 사회 공동체의 조화를 위한 과학커뮤니케이션 차원에서 각종 사회 문제와 부작용을 최소화하기 위해서는 AI 기술의 복잡성과 불확실성 등 근본적 특성을 구체적으로 인지함으로써 다양한 관점으로 AI 기술을 바라볼 수 있는 리터러시 역량이 필요하다. 선행연구에서 AI 리터러시 역량에 영향을 미치는 요인으로는 디지털 격차, 컴퓨팅 사고, 인지 흡수가 제안되었고, AI 리터러시의 핵심 역량으로는 인식, 활용, 평가, 윤리 등 4가지 차원이 논의되었다. 이에 따라 디지털 영역에서 나타날 수 있는 경제적·사회적·지리적 접근성의 차이인 ‘디지털 격차’, 컴퓨터 과학의 개념과 기술을 활용해 문제 분석, 패턴 인식, 알고리즘 구현 등을 현실화할 수 있는 ‘컴퓨팅 사고’, AI 기술과 디지털 기술 등에 완전하게 몰입·집중하는 역량인 ‘인지 흡수’에 대한 이해와 적용을 통해 AI 리터러시 역량을 강화하고 과학커뮤니케이션 활성화의 기반을 마련할 수 있을 것이다.

AI 리터러시의 핵심 역량의 경우, AI 관련 제품이나 서비스를 사용하면서 AI 기술을 식별하고 이해하는 ‘인식’ 역량, AI 기술을 적용해 작업을 능숙하게 수행할 수 있는 ‘활용’ 역량, AI 제품과 서비스 사용 결과를 분석하여 비판적으로 판단할 수 있는 ‘평가’ 역량, AI 기술 사용과 관련된 책임과 위험을 올바르게 파악할 수 있는 ‘윤리’ 역량 등으로 범주화할 수 있다. 이러한 AI 리터러시 역량은 인간과 AI 간 커뮤니케이션에 미치는 영향성 고찰 등 AI 전반에 대한 이해의 폭을 확장할 수 있고, AI 기술 개발자가 AI 관련 애플리케이션이나 서비스를 개발하는 데 있어 통찰력을 얻을 수 있을 것으로 판단된다. 종합해 보면, AI 기술 진화에 따른 혜택을 극대화하면서도 윤리·사회적 문제를 최소화하기 위해서는 이용자 스스로 AI 관련 지식과 사회적 역량을 높이기 위해 노력해야 하며, 이는 AI 리터러시 역량의 필요성과 중요성 인식으로 이어진다(Long et al., 2021). 인간과 AI의 이상적인 커뮤니케이션을 위해서는 AI 기술을 기능적·도구적 관점으로만 바라볼 것이 아니라, 사회적 논리와 인문학적 사유를 갖춘 AI, 인간과 동등한 인격체로 수용될 수 있는 AI의 탄생에 걸맞은 새로운 시각이 요구된다. 인간 대 인간이 리터러시 역량을 기반으로 자연스럽게 소통하면서 공동체를 발전시켜 나갔듯이, 인간 대 인간의 커뮤니케이션을 인간과 AI가 생생하게 구현할 수 있는 파괴적 혁신(disruptive innovation)에 대비하기 위해 AI 리터러시 역량을 다져나가야 할 시점이다.

References

Ala-Mutka, K. (2011). Mapping digital competence: Towards a conceptual un der- standing. Sevilla: Institute for Prospective Technological Studies, 7-60. Bawden, D. (2001). Information and digital literacies: a review of concepts. Journal of documentation, 57(2), 218-259.

Brandt, D. S. (2001). Information technology literacy: task knowledge and mental models. Breivik, P. S. (2005). 21st century learning and information literacy. Change: the magazine of higher learning, 37(2), 21-27.

Calvani A., Fini, A. & Ranieri, M. (2009). “Assessing Digital Competence in Sec- ondary Education. Issues, Models and Instruments.” Issues in Information and Media Literacy: Education, Practice and Pedagogy, 153–172. Carolyn R. Pool. (1997). “A New Digital Literacy: A Conversation with Paul Gil- ster”, Educational Leadership, 55(3), p. 6.

Cartelli, A. (2010). Frameworks for digital competence assessment: proposals, instru- ments and evaluation. In Proceedings of the Informing Science+ Information Tech- nology Education International Conference. 561-574. Celik, I. (2023). Exploring the determinants of artificial intelligence(AI) litera- cy: Digital divide, computational thinking, cognitive absorption. Telemat- ics and Informatics, 83, 102026.

Eshet, Y. (2004). “Digital Literacy: A Conceptual Framework for Survival Skills in the Digital era.” Journal of Educational Multimedia and Hypermedia, 13(1): 93–106. Ferrari, A. (2012). Digital competence in practice: An analysis of frameworks (p. 82116). Luxembourg: Publications Office of the European Union.

Gapski, H. (2007). “Some Reflections on Digital Literacy.” Paper Presented at the Pro- ceedings of the 3rd International Workshop on Digital Literacy. Gilster, P., & Glister, P. (1997). Digital literacy (p. 1). New York: Wiley Computer Pub. Grassian, E. S., & Kaplowitz, J. R. (2001). Information literacy instruction. Ne- al-Schuman, New York, NY.

Gunkel, D. J. (2012). The machine question: Critical perspectives on AI, ro- bots, and ethics. MIT Press. Hallaq, T. G. (2013). Evaluating online media literacy in higher education: Validity and reliability of the digital online media literacy assessment (DOMA). Idaho State University.

Johnson, C. A. (2015). The information diet: A case for conscious comsump- tion. O'Reilly Media, Inc. Kandlhofer, M., Steinbauer, G., Hirschmugl-Gaisch, S., & Huber, P. (2016). Arti- ficial intelligence and computer science in education: From kindergarten to university. In 2016 IEEE frontiers in education conference (FIE) (pp. 1-9). IEEE.

Katz, I. R. (2007). Testing information literacy in digital environments: ETS's iSkills assessment. Information technology and Libraries, 26(3), 3-12. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human fac- tors in computing systems. 1-16.

Long, D., Blunt, T., & Magerko, B. (2021). Co-designing AI literacy exhibits for informal learning spaces. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW2), 1-35. Martin, A., & Grudziecki, J. (2006). DigEuLit: Concepts and tools for digital literacy development. Innovation in teaching and learning in information and computer sciences, 5(4), 249-267.

Moore, D. R. (2011). “Technology Literacy: The Extension of Cognition.” Inter- national Journal of Technology and Design Education, 21(2): 185–193. Norman, D. (2013). The design of everyday things: Revised and expanded edition. Basic books. Mueller, S. T., Hoffman, R. R., Clancey, W., Emrey, A., & Klein, G. (2019). Ex- planation in human-AI systems: A literature meta-review, synopsis of key ideas and publications, and bibliography for explainable AI. arXiv preprint arXiv:1902.01876.

Munzenmaier, C., & Rubin, N. (2013). Bloom’s taxonomy: What’s old is new again. The eLearning Guild, 1-47. OECD, (2021). 21st-Century Readers: Developing Literacy Skills in a Digital World, Paris: PISA, OECD Publishing, p. 164.

Russell, S., and P. Norvig. (2002). Artificial Intelligence: A Modern Approach. Smith, A., & Anderson, J. (2014). AI, Robotics, and the Future of Jobs. Su, G. (2018). “Unemployment in the AI Age.” AI Matters, 3(4): 35–43. Tarafdar, M., C. M. Beath, and J. W. Ross. (2019). “Using AI to Enhance Business Opera- tions.” MIT Sloan Management Review, 60(4): 37–44.

Van Dijk, J. A. (2017). Digital divide: Impact of access. The international encyclopedia of media effects, 1-11. Wang, B., Rau, P. L. P., & Yuan, T. (2023). Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale. Behaviour & information technology, 42(9), 1324-1337.

Wilson, M., K. Scalise, and P. Gochyyev. (2015). “Rethinking ICT Literacy: From Computer Skills to Social Network Settings.” Thinking Skills and Creativity, 18: 65–80. Wong, G. K. W., Reichert, F., & Law, N. (2023). Reorienting the assessment of digital liter- acy in the twenty-first century: a product-lifecycle and experience dependence per- spective. Educational technology research and development, 71(6), 2389-2412.

KOFAC ISSUE PAPER는 과학기술, 과학문화, 과학융합인재, 과학·수학교육, SW/AI 분야의 주요 이슈를 심층 분석하고 정책 제언을 함으로써, 미래 이슈에 선제적으로 대응하고자 발행하고 있습니다.

※ 본 보고서의 내용은 저자 개인의 의견을 정리한 것으로 한국과학창의재단의 공식 견해와 다를 수 있음을 밝힙니다.

정책기획실 (06130)서울특별시 강남구 테헤란로7길 22, 4~5층(역삼동, 과학기술회관 2관) 기타 추가의견, 정책 제언 등 관련 문의 접수 ㅣ e-mail snd@kofac.re.kr